机器学习算法构建慢性肾脏病伴高血压或糖尿病的预测模型

目的构建社区高血压、糖尿病患者中慢性肾脏病(CKD)早期预测模型。方法群随机抽样昆明市4个城区的社区服务中心。对各中心建档居民分为疾病组(n=1267)和对照组(n=566),疾病组居民患有高血压和或糖尿病,对照组未患。分别调查2组CKD患病情况并进行问卷调查、实验室检查和人浆细胞瘤变异易位基因(PVT1)基因中5个单核苷酸多态位点等检测。Logistics回归筛选有统计学意义的危险因素纳入机器学习模型构建。算法模型包括支持向量机(SVM)、随机森林模型(RF),朴素贝叶斯(NB)模型和人工神经网络(ANN),并对比评价4个模型的效能和准确性进行比较分析。结果筛选出13项具有统计学意义的指标(P<0.05),包括年龄、疾病类型、民族、血尿素氮、血肌酐、eGFR、PAM13量表分数、睡眠质量调查、熬夜情况、PVT1基因单核苷酸多态位点rs11993333及rs2720659。基于危险指标建立机器学习算法模型。ANN模型的准确度达94.6%、特异性为66.67%、Kappa值为0.7294、ROC和PRC曲线下面积(0.9418和0.9261)均高于其它3种模型;RF模型敏感性最高位100%。结论机器学习算法构建的CKD早期诊断模型在社区高血压或糖尿病患者中有较好的预测效能。尤其ANN模型各项性能优于其它。

2015年至2016年云南昭通地区3个县儿童和青少年先天性心脏病流行病学调查

目的调查2015年10月至2016年11月云南昭通地区3个县(巧家、大关县和镇雄县)儿童和青少年先天性心脏病(CHD)流行病学特征.方法采用初筛和复筛方法,对可疑患者进行规范的心超检查,结合心电图、X线和心导管检查综合分析作出明确诊断,对14 957名儿童和青少年的CHD患病率、患病类型、性别分布等指标进行统计学分析.结果检出CHD患者61例,总患病率4.08‰(61/14 957),男性4.55‰,女性3.61‰,两者之间差异无统计学意义(χ~2=0.823,P>0.05);不同年龄组患病率差异无统计学意义(χ~2=4.692,P>0.05);巧家县、大关县和镇雄县CHD患病率分别为5.17‰、6.36‰和3.03‰,3个县之间患病率差异无统计学意义(χ~2=5.897,P>0.05).CHD患病类型以房间隔缺损所占比例最高(37.7%),其次为室间隔缺损(26.2%)、动脉导管未闭(19.7%),其它类型少见.结论云南昭通地区3个县儿童和青少年CHD患病率高于全国水平,以房间隔缺损、室间隔缺损和动脉导管未闭多见.